位置: IT常识 - 正文

yolov5源码解析(9)--输出(yolov4源码解读)

编辑:rootadmin
yolov5源码解析(9)--输出

推荐整理分享yolov5源码解析(9)--输出(yolov4源码解读),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:yolo v1 pytorch源代码,yolo 源码,yolov2源码,yolov5源码解析修改,yolo 源码,yolov4源码解读,yolov5源码解读,yolov3源码详解,内容如对您有帮助,希望把文章链接给更多的朋友!

本文章基于yolov5-6.2版本。主要讲解的是yolov5是怎么在最终的特征图上得出物体边框、置信度、物体分类的。

一。总体框架

首先贴出总体框架,直接就拿官方文档的图了,本文就是接着右侧的那三层输出开始讨论。

Backbone: New CSP-Darknet53Neck: SPPF, New CSP-PANHead: YOLOv3 Head

这三个输出层分别就是浅、中、深层啦,浅层特征图分辨率是80乘80,中层是40乘40,深层是20乘20,一般来说浅层用于预测小物体,深层用于预测大物体。另外说明一下,浅、中、深三层的特征图输出通道数不一定是256、512、1024,要看你用的是哪一种规格的模型。比如yolov5s的话,那这三层的通道数分别是128、256、512,可以导出onnx格式用Netron看一下模型结构来确定。

 

简要说一下原因,这个是由对应的模型配置文件,即models目录里的yolov5s.yaml,yolov5m.yaml等等来决定的,看你用哪一个,第二个红框里的就是每一层的输出通道数了,但是它是要乘上第一个红框里的值的,即width_multiple这个配置,你会发现几个模型配置文件的内容都差不多,区别就区别在这里的depth_multiple和width_multiple。

 二。输出物体边框、置信度、物体分类

接下来进入正题,每层特征图最终都会经过1乘1卷积,变成(5+分类数)乘3个通道:

0)首先为什么乘以3,因为每一层都有3个anchor,后面再细讲

下面讲的是每一anchor对应的(5+分类数)个通道,假设分类数为2,那一共就是7个通道了,这7个通道分别是xywh(4个通道),置信度(1个通道),分类(此处2分类,就是2个通道)

1)物体边框的4个值,x,y,w,h啦,不过这个x,y并不直接是物体框中心点的坐标,而是它相对于自身所处的格子左上角的偏移,比如下图红色的这个格子(假设现在特征图就是4乘4),这个格子预测出7个值,前4个就是xywh,然后x是0.2,y是0.2,那么中心点就差不多在蓝点所处的位置了(其实这其中还有玄机,一步步来)。然后再把这个中心点的相对值作用到原图的尺度得到最终的坐标。

但是呢如果像上面这样直接预测一个相对格子左上角的偏移的这样一个值呢,会比较不稳定,它可能预测的值很大,比如x给你预测一个10出来,那就是往右数10个格子了,偏差这么大不利用网络收敛,也没有意义,因为这个格子里的特征跟右边第10个格子的特征相差可能很大了。

所以要加一个限制,首先给它sigmoid一下,这样其值范围就变成0-1了(小数),此时它的波动就在自己的这个格子内,然后乘以2再减0.5,如下图(直接拿官方文档的图了~~)

 

 这样它的波动范围就是下图的黄框的范围。

yolov5源码解析(9)--输出(yolov4源码解读)

 限制为0-1好理解,自己这个格子的预测范围就在自己格子内麻,为啥又变成了-0.5-1.5呢,因为这样更容易得到0-1范围内的值。如果的范围限制为0-1,而且是用sigmoid来限制的话,那接近0和1这两个位置的导数就会很小,梯度更新的时候就会慢。

然后就是宽高,宽高也不是直接预测出物体边框的宽高啦,而是基于anchor的,预测出来的值会乘上anchor的宽高得出最终的宽高,并且,这里仍然是先用sigmoid将输出值限制为0-1,然后再乘以2,再来个平方,这样最终的值的范围就是0-4了。

之前说了每一层有3个anchor,这些anchor还是配置在模型的配置文件里的,比如models/yolov5s.yaml,P3就是浅层的(80乘80的格子),P4是中层的(40乘40),P5是深层的(20乘20),然后这里的anchor的大小呢就是绝对值(按照640乘640的图来算的,如果你的输入图不是640乘640,那输入图是会resize一下再进行推理的)

比如现在是深层的输出,2分类,那么深层的特征图经过最后的1乘1卷积后,会得到3乘(5+2)=21个通道,每7个通道就对应一个anchor了,现在看第2个7个通道(即7-13,从0开始算),那么它对应的anchor就应该是156,198这个,那么预测出来的宽高值经过sigmoid,再乘2,再平方之后,还分别要乘上156和198,得出最终的物体宽高(基于640乘640的图的),然后再按比例得到原图的物体宽高。

2)置信度

代表预测出的物体边框和分类的可信度,最终的范围肯定是0-1了(小数),跟前面的一样,会用sigmoid来把它的范围限制为0-1。

这边可能有一个问题,那个xy不是sigmoid()乘2减0.5吗,这里咋不这么干,那是因为xy的值真的是可以达到-0.5或1.5的,那样的话就变成预测的物体中心点跑到相邻格子里去了,这也不是不行的啦。但置信度只能是0-1!

3)分类

有几个分类,就会再加几个通道,分别代表对应分类的概率,都是用sigmoid把他们的概率限制为0-1,在计算损失的时候,标签对应分类所在通道的直值为1,其它都为0了,然后分别计算BCE损失。

三。源码

最终输出层的相关源码主要就是models/yolo.py的Detect类的源码了,添加了相应的注释。

class Detect(nn.Module): stride = None # strides computed during build onnx_dynamic = False # ONNX export parameter export = False # export mode def __init__(self, nc=80, anchors=(), ch=(), inplace=True): # detection layer super().__init__() self.nc = nc # number of classes self.no = nc + 5 # number of outputs per anchor self.nl = len(anchors) # number of detection layers self.na = len(anchors[0]) // 2 # number of anchors,除以2是因为[10,13, 16,30, 33,23]这个长度是6,对应3个anchor self.grid = [torch.zeros(1)] * self.nl # init grid,下面会计算grid,grid就是每个格子的x,y坐标(整数,比如0-19) self.anchor_grid = [torch.zeros(1)] * self.nl # init anchor grid self.register_buffer('anchors', torch.tensor(anchors).float().view(self.nl, -1, 2)) # shape(nl,na,2),注意后面就可以通过self.anchors来访问它了 self.m = nn.ModuleList(nn.Conv2d(x, self.no * self.na, 1) for x in ch) # output conv,3个输出层最后的1乘1卷积 self.inplace = inplace # use inplace ops (e.g. slice assignment) def forward(self, x): z = [] # inference output for i in range(self.nl): # 三个输出层分别处理 x[i] = self.m[i](x[i]) # conv,经过这个1乘1卷积就变成(5+分类数)个通道了 bs, _, ny, nx = x[i].shape # x(bs,255,20,20) to x(bs,3,20,20,85)--这里的85对应coco数据集,5+80个分类 x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous() if not self.training: # inference if self.onnx_dynamic or self.grid[i].shape[2:4] != x[i].shape[2:4]: self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i) y = x[i].sigmoid() if self.inplace: # 这里的grid[i]即对应输出层的3个anchor层的每个格子的坐标,方便进行批量计算,乘上对应的stride[i](下采样率),就得到基于640乘640的图的坐标了 y[..., 0:2] = (y[..., 0:2] * 2 + self.grid[i]) * self.stride[i] # xy # anchor_grid[i]也是一样,不过它的形状是(1, self.na, 1, 1, 2),跟y[..., 2:4]计算时是会自动广播的,最终得到的宽高也是基于640乘640的图的宽高 y[..., 2:4] = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i] # wh else: # for YOLOv5 on AWS Inferentia https://github.com/ultralytics/yolov5/pull/2953 # 这段是非inplace操作,计算方法是一样的 xy, wh, conf = y.split((2, 2, self.nc + 1), 4) # y.tensor_split((2, 4, 5), 4) # torch 1.8.0 xy = (xy * 2 + self.grid[i]) * self.stride[i] # xy wh = (wh * 2) ** 2 * self.anchor_grid[i] # wh y = torch.cat((xy, wh, conf), 4) z.append(y.view(bs, -1, self.no)) return x if self.training else (torch.cat(z, 1),) if self.export else (torch.cat(z, 1), x) def _make_grid(self, nx=20, ny=20, i=0, torch_1_10=check_version(torch.__version__, '1.10.0')): d = self.anchors[i].device t = self.anchors[i].dtype shape = 1, self.na, ny, nx, 2 # grid shape # grid其实就是特征图网络的坐标,比如20乘20的,其坐标分别是0,0 0,1...0,19 1,0 1,1...19,19,第2个维度na就是anchor数啦 y, x = torch.arange(ny, device=d, dtype=t), torch.arange(nx, device=d, dtype=t) if torch_1_10: # torch>=1.10.0 meshgrid workaround for torch>=0.7 compatibility yv, xv = torch.meshgrid(y, x, indexing='ij') else: yv, xv = torch.meshgrid(y, x) # 注意这边先给它把0.5给减了 grid = torch.stack((xv, yv), 2).expand(shape) - 0.5 # add grid offset, i.e. y = 2.0 * x - 0.5 # anchor_grid即每个格子对应的anchor宽高,stride是下采样率,三层分别是8,16,32,这里为啥要乘呢,因为在外面已经把anchors给除了对应的下采样率,这里再乘回来 anchor_grid = (self.anchors[i] * self.stride[i]).view((1, self.na, 1, 1, 2)).expand(shape) return grid, anchor_grid

此处单独说一下torch.meshgrid,它其实就是用于得到网格坐标的,简化代码如下,假设现在是2乘2的网络

y, x = torch.arange(2), torch.arange(2)yv, xv = torch.meshgrid(y, x, indexing='ij')print(f'yv={yv}')print(f'xv={xv}')grid = torch.stack((xv, yv), 2)print(f'grid={grid}')

 输出如下

 grid对应的就是如下图,得到这个网络坐标就可以直接跟输出层的x,y做批量运算了。

 四。NMS

Detect类foward之后确实是整个网络最终的输出,不过这个输出还得再经过NMS,提取出最终的答案,即这张图上到底有几个物体,边框、置信度、分类分别是什么。NMS后面再讨论~~

下一篇:

yolov5源码解析(10)--损失计算与anchor_扫地僧1234的博客-CSDN博客

本文链接地址:https://www.jiuchutong.com/zhishi/299638.html 转载请保留说明!

上一篇:【目标检测】YOLOv5模型从大变小,发生了什么?(目标检测yolo)

下一篇:过年回家,你是否也努力的给别人解释软件开发是干啥滴?(过年回家的你)

  • 微信健康码居住地址怎么修改(微信健康码住址怎么修改)

    微信健康码居住地址怎么修改(微信健康码住址怎么修改)

  • ipad pro2021怎么关机(iPad pro2021怎么关闭旁白)

    ipad pro2021怎么关机(iPad pro2021怎么关闭旁白)

  • 剪映怎么批量把照片设置成1秒速度(剪映怎么批量把文字复制出来)

    剪映怎么批量把照片设置成1秒速度(剪映怎么批量把文字复制出来)

  • asus是什么牌子(asus是什么牌子电脑多少钱)

    asus是什么牌子(asus是什么牌子电脑多少钱)

  • ipadpro11能无线充电吗(ipadpro11无线充电)

    ipadpro11能无线充电吗(ipadpro11无线充电)

  • oppo手机怎么改图标名字(oppo手机怎么改图标图片)

    oppo手机怎么改图标名字(oppo手机怎么改图标图片)

  • web2.0时代黑客攻击的主要目标(web2.0时代黑客攻击的主要目标集中)

    web2.0时代黑客攻击的主要目标(web2.0时代黑客攻击的主要目标集中)

  • erp系统规划包括哪些环节(erp系统计划)

    erp系统规划包括哪些环节(erp系统计划)

  • QQ手机版怎样看被删除的好友(QQ手机版怎样看Q龄)

    QQ手机版怎样看被删除的好友(QQ手机版怎样看Q龄)

  • 网上购买的纯流量卡怎么注销(网上购买的纯流量卡怎么激活)

    网上购买的纯流量卡怎么注销(网上购买的纯流量卡怎么激活)

  • cctalk老师能看到学生屏幕吗(cctalk会不会窥屏)

    cctalk老师能看到学生屏幕吗(cctalk会不会窥屏)

  • 华为mate30用久了会卡吗(华为mate30用久了后盖会不会有缝隙)

    华为mate30用久了会卡吗(华为mate30用久了后盖会不会有缝隙)

  • 关闭旁白是什么意思(如何关闭旁白?)

    关闭旁白是什么意思(如何关闭旁白?)

  • 淘宝发票怎么下载(淘宝发票怎么下载pdf)

    淘宝发票怎么下载(淘宝发票怎么下载pdf)

  • 2019年vivox30是曲面屏吗(vivo x30pro是不是曲屏)

    2019年vivox30是曲面屏吗(vivo x30pro是不是曲屏)

  • 笔记本怎么下载微信电脑版(笔记本怎么下载360浏览器)

    笔记本怎么下载微信电脑版(笔记本怎么下载360浏览器)

  • ipad2能插什么卡(ipad2插卡版能用电信卡吗)

    ipad2能插什么卡(ipad2插卡版能用电信卡吗)

  • 打印机副本怎么删除(打印机副本怎么彻底删除)

    打印机副本怎么删除(打印机副本怎么彻底删除)

  • 中华古籍资源库怎么进(中华古籍资源库怎么下载古籍)

    中华古籍资源库怎么进(中华古籍资源库怎么下载古籍)

  • 手机qq怎么恢复聊天记录(手机QQ怎么恢复过期图片)

    手机qq怎么恢复聊天记录(手机QQ怎么恢复过期图片)

  • 荣耀手环5i支持nfc吗(荣耀手环5i支持移动支付吗)

    荣耀手环5i支持nfc吗(荣耀手环5i支持移动支付吗)

  • 抖音换号码了怎么登录(抖音换号码了怎么登录密码忘记了)

    抖音换号码了怎么登录(抖音换号码了怎么登录密码忘记了)

  • 快手id号可以隐藏吗(怎么隐藏快手id不被别人看见)

    快手id号可以隐藏吗(怎么隐藏快手id不被别人看见)

  • 苹果快充头多少w(苹果快充头多少瓦)

    苹果快充头多少w(苹果快充头多少瓦)

  • airpods1和2包装区别(airpods1和2包装一样吗)

    airpods1和2包装区别(airpods1和2包装一样吗)

  • 工衣工帽清洗费税率是多少
  • 小规模零税率申报流程
  • 出票后定期付款的汇票是什么意思
  • 企业收购资金计算公式
  • 行政事业单位盘亏或毁损的固定资产
  • 抵款车辆低价卖给职工账务处理:
  • 商业汇票的申请人是谁
  • 合作社 注销
  • 工程项目劳务分包合同范本
  • 收到预付款项发票如何入账?
  • 旧货如何卖
  • 如何计算房地产容积率与土地面积
  • 企业计算缴纳所得税标准
  • 企业所得税减免政策2023
  • 购设备发票只开来一部分怎么入账?
  • 每季度财务报表
  • 企业所得税年报过了申报期还能修改吗
  • 资金印花税
  • 收到进项发票抵扣联怎么做分录
  • 销售预付款会计分录
  • php判断为空的方法有哪些
  • win11系统怎么进入运行界面
  • 电压是什么量
  • 苹果发布首款MR头显
  • 纳税人解除劳动合同证明
  • Win11/10 Surface App 新增支持自动检测 Surface Slim Pen 1 手写笔
  • 什么是包装物押运
  • 逾期未收回包装物押金的实务处理
  • 超级本轻薄本
  • 应收账款确认坏账损失
  • 人力为主的公司名称
  • 财务费用汇兑损益在借方还是贷方
  • 工业企业总产值怎么算
  • 支付兼职工资账务处理
  • 公司过年买的红包封壳怎么做账
  • 织梦怎么建站
  • 投资者控股性质
  • 销售收入和销售净收入的区别
  • MongoDB中MapReduce编程模型使用实例
  • 小企业会计准则和一般企业会计准则的区别
  • 建筑服务的劳务费交印花税吗
  • 企业之间借款利息开票编码
  • 考证交社保是怎么回事
  • 增值税专用发票查询系统官方网站
  • 公司基本账户提额怎么算
  • 转账支付水电费
  • 行政单位与事业单位净资产的比较
  • 固定资产对外投资通过固定资产清理吗
  • 费用科目可以在借方吗
  • 出让价格不得低于基准地价
  • 财务费用在贷方负数表示什么
  • 月末结转后应交税费应交增值税一般无余额
  • 公司借调人员工资账务处理
  • 投资子公司亏损母公司报表怎么做
  • 长期待摊费用如何做账
  • 总账的建立
  • sql实现分页查询语句
  • win10预览版怎么样
  • openstack 创建云主机,计算节点磁盘不足
  • 在linux操作系统中,/etc/rc.d/init.d
  • vmwarevmx进程是干嘛的
  • 进不去操作系统 怎么样修复引导
  • centos6.5无法启动
  • win7安装cad2010
  • win7装完系统我的电脑在哪
  • win7系统电脑卡住了怎么办
  • jquery 下拉框变更事件
  • jquery 获取json的key
  • bat批处理执行cmd命令
  • android!
  • LocalBroadcastManager原理和机制
  • Unity64 AStarPath 寻路失效 Bug解决 IOS64 IL2CPP - Bad date/time format in the zip file
  • shell python
  • jquery 模态窗口
  • 国家税务局内蒙古税务
  • 贵州省微企补助政策
  • 如何打印个人所得税明细
  • 城市维护建设税怎么算
  • 国家税务局增值税发票平台
  • 收到的短信内容是什么
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设